Athena/Presto SQL聚合了每天有关历史数据的信息

Question

我有下面的示例表，它使用更改数据捕获来捕获历史信息：

id cdc_date    cdc_flag active name
1  2020-07-12  Insert   true   a  
2  2020-07-12  Insert   true   b
3  2020-07-12  Insert   true   c
4  2020-07-12  Insert   true   d
1  2020-07-13  Update   false  a
3  2020-07-13  Update   true   c_changed
4  2020-07-14  Deleted  true   d

对于任何列的更新，都会向表中添加一个新条目。因此，存在同一ID的多个版本。

我需要找到在每个cdc_date或之前活动的id的总数

期望输出：

cdc_date   count_active
2020-07-12 4
2020-07-13 4
2020-07-14 3

我无法在Athena中形成所需输出的查询，因为没有可用的Procedures或With Recursive查询。

以下是我计算一个特定日期的活动ID的方法：

id cdc_date    cdc_flag active rank
1  2020-07-12  Insert   true   2
2  2020-07-12  Insert   true   1
3  2020-07-12  Insert   true   2
4  2020-07-12  Insert   true   2 
1  2020-07-13  Update   false  1
3  2020-07-13  Update   true   1 
4  2020-07-14  Deleted  true   1

Select date('2020-07-14') as cdc_date, sum(if(active = 'true',1,0)) as count_active from 
(Select *, rank over (partition by id over cdc_date desc) as rank)
where rank = 1 and cdc_flag != 'Deleted' and cdc_date <= date('2020-07-14')

我需要为每个cdc_date做这件事，但需要为每个cdc_date重新计算秩，我想不出没有过程或递归的解决方案。

请使用Athena/Presto SQL对此提出解决方案。

Answer 1

您可以使用具有聚合的累积和：

select cdc_date,
sum(sum(case when cdc_flag = 'active' then 1
when cdc_flag = 'Deleted' then -1
else 0
end)
) over (order by cdc_date) as num_actives
from t
group by cdc_date;